খালি সেল, ভরা বিভ্রান্তি: ক্রিকেট অ্যানালিটিক্সের নীরব ডেটা-ব্যর্থতা

রাত দুইটা। ঢাকার ফ্ল্যাটে ল্যাপটপের পর্দায় বাইশ কলামের একটা ম্যাচ-রিপোর্ট টেমপ্লেট খোলা। হেডার ঠিক জায়গায় বসানো, ফর্মুলাগুলো লক করা, শর্তসাপেক্ষ রঙ সবুজ আর লালে ভাগ করা। দুইশো কুড়ি সেলের মধ্যে একটা সংখ্যাও নেই — প্রতিটা ঘরে হয় শূন্য, নয়তো ‘প্রযোজ্য নয়’।

ভুল ডেটা কখনো সবচেয়ে বড় বিপদ নয়। সবচেয়ে বড় বিপদ হলো নিখুঁতভাবে ফরম্যাট করা একটা খালি ডেটাসেট, কারণ সেটা দেখতে কাজের মতো লাগে। যে রিপোর্টে শূন্য সেল বসে থাকে, সেটা নিয়ে কেউ প্রশ্ন তোলে না। সবাই ধরে নেয় সংখ্যাগুলো পরে যোগ করা হবে, কিংবা যিনি বানিয়েছেন তিনি জানেন তিনি কী করছেন।

সেদিন যেটা সামনে এসেছিল, সেটা কোনো ম্যাচের গল্প ছিল না। সেটা ছিল একটা সরবরাহ-শৃঙ্খলের গল্প — উৎস টেক্সট থেকে তথ্য তোলার ধাপ, তারপর বিশ্লেষণের ধাপ, তারপর সিদ্ধান্তের ধাপ। আর সেই শৃঙ্খলের একেবারে প্রথম জানালাটা চুপচাপ বন্ধ ছিল, কোনো শব্দ না করে।

ক্রিকেটে আমরা ডেটা নিয়ে কথা বলি সাধারণত দুই প্রসঙ্গে — কে কত রান করল, কে কত উইকেট নিল। কিন্তু আধুনিক বিশ্লেষণ আসলে একটা পাইপলাইন। গোড়ায় থাকে উৎস: ম্যাচ রিপোর্ট, স্কোরকার্ড, বল-বল লগ, ধারাভাষ্যের ট্রান্সক্রিপ্ট, ওয়ার্কলোড মনিটরিং ডিভাইসের আউটপুট। এরপর আসে নিষ্কাশনের ধাপ, যেখানে কাঁচা টেক্সট থেকে নাম, সংখ্যা আর ঘটনা টেনে বের করা হয়। তারপর আসে কাঠামোর ধাপ, যেখানে সেই তথ্যগুলো আটটা মাত্রায় বসানো হয় — ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের টেকনিক ও ডেটা, দল ও র‍্যাঙ্কিং প্রেক্ষাপট, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়মনীতি ও গভর্ন্যান্স, ঝুঁকি, জন-আখ্যান ও প্রত্যাশা, এবং সবশেষে ইন্ডাস্ট্রি ট্রান্সমিশন।

সমস্যাটা এখানেই। এই আটটা মাত্রার প্রতিটা ঘর ফাঁকা রেখেও একটা রিপোর্ট ছাপানো যায়। কাঠামো নিজে থেকে থামে না। টেমপ্লেট জানে না তার হাতে সাবস্ট্রেট আছে কি নেই। তাই গোড়ার ধাপে নিষ্কাশন যদি চুপচাপ ব্যর্থ হয়, উপরের প্রতিটা ধাপ তবুও চলবে, এবং একটা দেখতে-বিশ্লেষণের-মতো ডকুমেন্ট তৈরি হবে যেখানে চল্লিশটারও বেশি ঘরে লেখা থাকবে ‘পর্যাপ্ত তথ্য নেই’।

২০১৭ সালে আমি ঢাকার একটা ডরমিটরি রুম থেকে ‘দ্য হাফ-স্পেস’ নামে একজনের ব্লগ শুরু করেছিলাম। বাংলাদেশ প্রিমিয়ার লিগের প্রতি রাউন্ড শেষে হাতে আঁকা পজিশনাল গ্রিড ছাপতাম। প্রথম পোস্টে আবাহনী লিমিটেড ঢাকার ৪-২-৩-১ কাঠামো শেখ জামাল ধানমন্ডির বিপক্ষে একটা ৫x৬ গ্রিডে বসিয়েছিলাম, যেটা এক্সেলে নিজে বানিয়েছিলাম। ডিসেম্বরের মধ্যে চোদ্দটা পোস্ট আর চারশো বারো জন সাবস্ক্রাইবার হয়েছিল। ওই দিনগুলোর সবচেয়ে বড় শিক্ষা ডেটা নিয়ে ছিল না, ফাঁকা ঘর নিয়ে ছিল: একটা খালি সেল শূন্য সংখ্যা নয়। খালি সেল মানে অনুপস্থিত পরিমাপ, আর অনুপস্থিত পরিমাপকে শূন্য ধরে নেওয়াটাই বিশ্লেষণের সবচেয়ে পুরনো প্রতারণা।

যে কাঠামোটা আমার সামনে এসেছিল, তার প্রতিটা মাত্রায় প্রশ্ন বসানো ছিল। ফরম্যাট ও ম্যাচ বিশ্লেষণে ছিল খেলার ধরন — টেস্ট, ওয়ানডে, টি-টোয়েন্টি — মূল পর্বের পারফরম্যান্স, ভেন্যু-ফ্যাক্টর আর পরিবেশ। খেলোয়াড়ের টেকনিক অংশে ছিল গড়, স্ট্রাইক রেট বা ইকোনমি রেট, সিচুয়েশনাল স্প্লিট আর সাম্প্রতিক প্রবণতা। দল ও র‍্যাঙ্কিং অংশে ছিল আইসিসি র‍্যাঙ্কিং, হোম-অ্যাওয়ে প্রোফাইল, ব্যাটিং গভীরতা, বোলিং কম্বিনেশন, বেঞ্চ ডেপথ আর বয়স-কাঠামো। লিগ ও বাণিজ্যিক অংশে ছিল সম্প্রচার-স্বত্বের মূল্য, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন, খেলোয়াড়ের বেতন আর নিলাম বা ট্রেডের হিসাব। নিয়মনীতি অংশে ছিল ক্ষমতা ও রাজস্ব বণ্টন, খেলার নিয়ম নিয়ে বিতর্ক, সততা-বিরোধী ব্যবস্থা, যোগ্যতা ও নির্বাচন, এবং রাজনৈতিক-ভূরাজনৈতিক কারণ। ঝুঁকি অংশে ছয়টা শ্রেণি — স্পোর্টিং, পার্সোনেল, বাণিজ্যিক, নিয়ম-সততা, জনমত আর সিস্টেমিক। জন-আখ্যান অংশে ছিল প্রত্যাশা-ফাঁক আর সেন্টিমেন্ট সূচক। আর শেষে ট্রান্সমিশন মানচিত্র: গোড়ার তরুণ-উন্নয়ন ও প্রতিভা-সরবরাহ, মাঝের জাতীয় দল ও লিগ, তারপর নিচের সম্প্রচার ও ডেরিভেটিভ বাজার।

এই প্রতিটা ঘরে যেখানে লেখা ছিল ‘পর্যাপ্ত তথ্য নেই’, সেটা আসলে একটা সিদ্ধান্ত — আর সহজ সিদ্ধান্তটা ছিল না। সহজ কাজটা হতো সংখ্যা বানিয়ে ফেলা। ফরম্যাট যদি না জানা যায়, ধরে নেওয়া যেত টি-টোয়েন্টি, কারণ এখন সবচেয়ে বেশি টি-টোয়েন্টি খেলা হয়। খেলোয়াড় যদি না থাকে, ধরে নেওয়া যেত কোনো তারকা, কারণ তারকাদের নিয়ে লিখলে পাঠক বেশি। ভেন্যু যদি না থাকে, ধরে নেওয়া যেত মিরপুর, কারণ বাংলাদেশের প্রেক্ষাপটে সেটাই স্বাভাবিক। এই তিনটা অনুমান একসাথে বসালেই একটা নিবন্ধ দাঁড়িয়ে যায় — দেখতে পূর্ণ, শুনতে যুক্তিসঙ্গত, আর সম্পূর্ণ বানানো।

একটা বিশ্লেষণ-কাঠামোর আসল মূল্য তার ঘর ভরার ক্ষমতায় নয়, সাবস্ট্রেট না থাকলে ঘর খালি রাখার সাহসে। সেই সাহসটাই লিখিত প্রমাণ হয়ে যায় যে কোথাও একটা পাইপলাইন ভেঙেছে।

সংখ্যাটা এখন দেখুন। তথ্যমূল্য রেটিং চারটা মাত্রায় একটা করে তারা পেয়েছে — স্পোর্টিং, ইন্ডাস্ট্রি, টাইমলিনেস আর রেফারেন্স। সর্বোচ্চ পাঁচে এক। কেউ হয়তো এটাকে ব্যর্থতা ভাববেন। আমি ভাবি সংকেত। কারণ একটা খালি ইনপুট থেকে উঁচু রেটিং আসলে সবচেয়ে বড় লাল পতাকা। যদি কোনোদিন খালি পেলোডে চার তারা দেখাতাম, সেদিনই বুঝতাম সিস্টেমটা ফাঁকা জায়গা নিজে থেকে ভরে দিচ্ছে, আর সেই ভরাট করা সংখ্যাগুলোকে আর কেউ আলাদা করে চিনতে পারবে না।

রাশিয়ার অভিজ্ঞতা এখানে সরাসরি প্রাসঙ্গিক। ২০১৮ সালে, তেইশ বছর বয়সে, বাশুন্ধরা কিংসে জুনিয়র ভিডিও অ্যানালিস্ট হিসেবে যোগ দেওয়ার পর ওদের শিরোপা-জেতা অভিষেক বিপিএল মৌসুমের ছাব্বিশটা ম্যাচ কোড করি। সেই গ্রীষ্মে একুশটা রাতে ছেষট্টিটা বিশ্বকাপ ম্যাচ দেখি, এগারোশোর বেশি সেট-পিস ট্যাগ করি, আর দেখি যে ডেড বল থেকেই রাশিয়ার মোট একশো উনষট্টি গোলের একটা রেকর্ড অংশ এসেছে। রাশিয়ার একুশটা নিদ্রাহীন রাত আমাকে শিখিয়েছে ফাটিগ একটা ডেটাসেট, ব্যাজ নয়। ওই সময়ের শিক্ষা সোজা: আমি আই-টেস্ট ছেড়ে দিয়ে গণনা উদ্ধৃত করা শুরু করি, কারণ ‘বাইশটার মধ্যে চোদ্দটা’ লেখা একটা দাবি পাঠক নিজে যাচাই করতে পারেন, অথচ ‘স্পষ্টতই বেশি’ লেখা দাবি কেউ যাচাই করতে পারেন না। খালি পেলোডের কোনো গণনা নেই। তাই খালি পেলোড নিয়ে দাবিও থাকতে পারে না।

২০২০ সালের জুনে বিপিএল থামার পর আমার চুক্তি নবায়ন হয়নি। পাঁচ সপ্তাহ আমি চাকরির আবেদন করিনি। বরং প্রজেক্ট রিস্টার্টের বাকি নিরানব্বইটা বান্ডেসলিগা ম্যাচ দেখে ফেলি আর প্রতিটা ফল লিখে রাখি। ফলাফল স্পষ্ট ছিল: হোম দলের প্রতি ম্যাচে পয়েন্ট এক দশমিক ছয় দুই থেকে এক দশমিক দুই আটে নেমে আসে, আর অ্যাওয়ে জয় উনত্রিশ শতাংশ থেকে সাঁইত্রিশ শতাংশে ওঠে। ‘দ্য সাইলেন্স এফেক্ট’ অক্টোবরে ছাপা হয়। সেখানে শিখেছিলাম উদ্বেগকে ডেটাসেটে বদলাতে — আর সেই ডেটাসেটের প্রথম শর্ত হলো, খালি ঘরকে সংখ্যা বানানো যাবে না। ২০২১ সালে ইউরো ২০২০-তে ইতালির বিল্ড-আপ নিয়ে বারো পাতার একটা বিশ্লেষণ লিখেছিলাম, ফাইনালের আঠারো ঘণ্টার মধ্যে ছাপা হয়েছিল, পরে চারটা ভাষায় অনূদিত হয়েছিল। তারপর টোকিও ২০২০-তে একজন স্প্যানিশ মিডফিল্ডারের দুই টুর্নামেন্টের সঞ্চিত ওয়ার্কলোড ট্র্যাক করেছিলাম। ওই দুটো কাজের মিল একটাই — দুই ভাষায় খসড়া লিখতাম, একটা টেকনিক্যাল, একটা সহজ ভাষার, যাতে অনুবাদের পরেও জ্যামিতিটা টিকে থাকে। জ্যামিতি টেকে না যদি গোড়ার মাপগুলোই না থাকে।

এখনকার ট্রান্সফার উইন্ডোতে এই শিক্ষা আরও জরুরি। উইন্ডোর সময় সবচেয়ে জোরে বাজে গুজব — কে কোথায় যাচ্ছে, কত টাকা, কে রিপ্লেস করবে, কার রিলিজ ক্লজ কত। গুজবের গতি সত্যের গতির চেয়ে সবসময় বেশি, কারণ গুজবের কোনো কাঠামো-যাচাই লাগে না, আর সত্যের লাগে। এই বাজারে পাঠকের আসল চাহিদা মন্তব্য নয়, একটা নির্ভরযোগ্যতার ফিল্টার। আর একটা ফিল্টার তখনই কাজ করে যখন সে স্পষ্টভাবে বলতে পারে কোন তথ্যটা তার হাতে নেই। যে বিশ্লেষণ প্রতিটা প্রশ্নের উত্তর দিতে পারে, সে বিশ্লেষণ সম্ভবত কোনো প্রশ্নের উত্তরই দেয়নি।

আর এই জায়গাতেই তরুণ খেলোয়াড়ের দাম নিয়ে আমার আপত্তিটা বসে। উনপঞ্চাশটার কম শীর্ষ-স্তরের ম্যাচ খেলা একটা ছেলের জন্য একশো মিলিয়ন ইউরো ওঠানো আসলে খোলাখুলি জুয়া। কিন্তু বাজারে সেটা জুয়া বলে বিক্রি হয় না, সেটা বিক্রি হয় ‘সম্ভাবনা’ নামে। যেখানে তথ্য কম, সেখানে বাজার তার ফাঁকা ঘরগুলোকে প্রতিভার সম্ভাবনা দিয়ে ভরে দেয় — ঠিক যেমন একটা টেমপ্লেট ফাঁকা সেলে সংখ্যা বসিয়ে দেয়। দুটো ক্ষেত্রেই একই কৌশল: অনুপস্থিতি নিজের পক্ষে প্রমাণ হিসেবে দাঁড়িয়ে যায়।

ট্রান্সমিশন মানচিত্রটা এখানে শিক্ষণীয়। সাধারণত আমরা ভাবি ক্রিকেটে পরিবর্তন আসে ওপর থেকে — আইসিসি সিদ্ধান্ত নেয়, লিগ নিয়ম বদলায়, সম্প্রচারকারী সময় ঠিক করে। কিন্তু গোড়ায় যখন নিষ্কাশন স্তর খালি ফেরে, তখন নিচের প্রতিটা বাজার একই ফাঁকা সাবস্ট্রেটের ওপর দাঁড়ায়। সম্প্রচার মিডিয়া, দক্ষিণ এশিয়ার মূল বাজার, প্রতিভা-সরবরাহ, পুঁজির নেটওয়ার্ক, ফ্যান্টাসি বাজার, ডেরিভেটিভ মার্কেট — সব একসাথে একই দিক নির্দেশ করে, আর সেই দিকটা হলো ‘তথ্য নেই’। একটা নাল পেলোড একবার ঘটলে সেটা দুর্ঘটনা। কিন্তু একই বগিতে কয়েকটা নাল পেলোড জমে গেলে সেটা আর দুর্ঘটনা নয়, সেটা সিস্টেমিক ত্রুটি — সম্ভবত এনকোডিং সমস্যা, সম্ভবত খালি ডকুমেন্টের ওপর টেমপ্লেট চালানো, সম্ভবত কোনো এক ধাপে উৎস টেক্সট পাসই হয়নি। পার্থক্যটা চেনা জরুরি, কারণ দুর্ঘটনার প্রতিকার একবার পুনরায় চালানো, আর সিস্টেমিক ত্রুটির প্রতিকার এক্সট্রাক্টরের লগ অডিট করা।

তাই এই অবস্থায় সঠিক পেশাদার প্রতিক্রিয়া তিন ধাপে দাঁড়ায়। নিচের দিকে বিতরণ থামানো — খালি বিশ্লেষণ ছড়িয়ে দিলে সেটা নিজেই একটা গুজব হয়ে যায়। তারপর গোড়ার ধাপের লগ দেখা, উৎস টেক্সট আদৌ ঢুকেছিল কি না। আর শেষে পুনরায় চালানো, এবার উৎসের একটা বাক্য হাতে নিয়ে। একটা বাক্য — শিরোনাম আর এক লাইন তথ্য — অনেক সময় পুরো কাঠামোর আটটা মাত্রা সচল করার জন্য যথেষ্ট।

এখানেই উল্টো কথাটা আসে। আমরা সাধারণত ভাবি ভুল তথ্যই বিশ্লেষণের শত্রু। আমার অভিজ্ঞতায় শত্রু আরও ধূর্ত: সঠিকভাবে ফরম্যাট করা নীরবতা। ভুল সংখ্যা ধরা পড়ে, কারণ কারও না কারও কাছে অন্য সংখ্যা থাকে। একটা ফাঁকা ঘর ধরা পড়ে না, কারণ তার বিরুদ্ধে বলার মতো কিছু কারও নেই। তাই ফাঁকা ঘর রিপোর্ট থেকে নিবন্ধে, নিবন্ধ থেকে টুইটে, টুইট থেকে পাঠকের স্মৃতিতে যায়, আর সেখানে গিয়ে একসময় প্রজ্ঞা হয়ে বসে যায়। যে তথ্য কেউ কখনো যাচাই করেনি, সেটাই সবচেয়ে দ্রুত ছড়ায়।

প্রেস-বক্সের একটা অভ্যাস আছে, যেটা আমি নিজে এড়ানোর চেষ্টা করি: কোনো দাবিকে কর্তৃত্ব দিয়ে প্রমাণ করা। অভিজ্ঞ কেউ বলেছেন, তাই ঠিক; পরিচিত কেউ বলেছেন, তাই সত্য। কর্তৃত্ব প্রমাণ নয়, কর্তৃত্ব একটা সূত্র। আর একটা খালি পেলোডের কোনো সূত্রই থাকে না — থাকে শুধু একটা ফাঁকা জায়গা, যেটা ভরাতে গিয়ে সবাই তার নিজের অভিজ্ঞতা, পছন্দ আর পক্ষপাত ঢেলে দেয়। পেশাদার বিশ্লেষণ আর ভক্তের অনুমানের মধ্যে পার্থক্য এখানেই: পেশাদার বলতে পারে ‘আমি জানি না’, আর কেন জানি না সেটাও ব্যাখ্যা করতে পারে।

নিজের কাজে আমি এটা বারবার দেখি, বিশেষ করে খেলোয়াড়দের ওয়ার্কলোড মনিটরিংয়ে। ধরা যাক, একটা জিপিএস ইউনিট চার্জে বসানো হয়নি, তাই ওই সেশনের ডেটা নেই। ডেটাবেসে সেই ফাঁকা ঘরটা কোনো শব্দ করে না। কিন্তু সেটা নিরপেক্ষ ফাঁক নয়। ওয়ার্কলোড ডেটায় অনুপস্থিতি সাধারণত নিরপেক্ষ থাকে না; সে প্রায়ই সুস্থ আর খেলার-উপযোগী খেলোয়াড়ের দিকেই ঝুঁকে থাকে, কারণ আহত বা বিশ্রামে থাকা খেলোয়াড়ের সেশন কোনোদিনই রেকর্ড হয় না। অর্থাৎ যে সেলগুলো খালি, সেগুলোই সবচেয়ে বেশি তথ্য বহন করে। খালি ঘরকে শূন্য ধরলে এই বিপরীত-পক্ষপাতটা অদৃশ্য হয়ে যায়, আর তারপর আমরা গর্ব করে বলি কেউ কোথাও নেই।

একটা যাচাইযোগ্য ভবিষ্যদ্বাণী রাখি। নিজের পুরনো লেখা বেছে নিন, যেটা নিয়ে আপনি সবচেয়ে গর্বিত। তারপর দেখুন কোথায় আপনার হাতে সংখ্যা ছিল না, অথচ আপনার বাক্য দৃঢ় ছিল। আমার অনুমান, পাঁচটার মধ্যে অন্তত একটা জায়গায় আপনি কোনো খেলোয়াড়ের সুনাম বা কোনো দলের ঐতিহ্যকে তথ্যের জায়গায় বসিয়েছেন। আমি এই পরীক্ষায় ফেল করেছি, আর সেটাই আমাকে দুই-ভাষিক খসড়া লেখা শিখিয়েছে।

পরের বার যখন কোনো ম্যাচ-রিপোর্ট বা স্কাউটিং ডকুমেন্ট হাতে নেবেন, শেষ প্যারা দিয়ে শুরু করবেন না। শুরু করুন একেবারে গোড়া থেকে: উৎস টেক্সটটা কোথায়, কোন তারিখের, কার লেখা? এই প্রশ্নের উত্তর না পেলে বাকি সব সুন্দরভাবে সাজানো হলেও সেটা বিশ্লেষণ নয়, সেটা কেবল একটা ফরম্যাট।

সিস্টেম বানালে একটা সহজ নিয়ম রাখুন: পাইপলাইনের গোড়ার ধাপ খালি ফিরলে নিচের ধাপগুলো আর চালু হবে না। একটা খালি সেলের চেয়ে একটা থেমে যাওয়া পাইপলাইন অনেক বেশি সৎ। পরের ম্যাচের আগে একটা প্রশ্নের উত্তর খুঁজুন — আপনার নিজের ডেটাসেটে এই সপ্তাহে কতগুলো ঘর ফাঁকা, আর কতগুলো ঘর ফাঁকা ছিল অথচ আপনি সেটা জানতেনই না?